KR20200092455A - Server, method and computer program for predicting intention of user - Google Patents

Server, method and computer program for predicting intention of user Download PDF

Info

Publication number
KR20200092455A
KR20200092455A KR1020190001386A KR20190001386A KR20200092455A KR 20200092455 A KR20200092455 A KR 20200092455A KR 1020190001386 A KR1020190001386 A KR 1020190001386A KR 20190001386 A KR20190001386 A KR 20190001386A KR 20200092455 A KR20200092455 A KR 20200092455A
Authority
KR
South Korea
Prior art keywords
user
query
intention
user terminal
recognized
Prior art date
Application number
KR1020190001386A
Other languages
Korean (ko)
Inventor
성주원
이상욱
장두성
정진욱
함영경
Original Assignee
주식회사 케이티
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 주식회사 케이티 filed Critical 주식회사 케이티
Priority to KR1020190001386A priority Critical patent/KR20200092455A/en
Publication of KR20200092455A publication Critical patent/KR20200092455A/en

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/33—Querying
    • G06F16/3331—Query processing
    • G06F16/334—Query execution
    • G06F16/3344—Query execution using natural language analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/33—Querying
    • G06F16/332—Query formulation
    • G06F16/3329—Natural language query formulation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/33—Querying
    • G06F16/3331—Query processing
    • G06F16/334—Query execution
    • G06F16/3343—Query execution using phonetics
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/33—Querying
    • G06F16/3331—Query processing
    • G06F16/334—Query execution
    • G06F16/3346—Query execution using probabilistic model
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
    • G06F3/017—Gesture based interaction, e.g. based on a set of recognized hand gestures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/205—Parsing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/279—Recognition of textual entities
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/044—Recurrent networks, e.g. Hopfield networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/04—Inference or reasoning models

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Artificial Intelligence (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Databases & Information Systems (AREA)
  • Mathematical Physics (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Computing Systems (AREA)
  • Software Systems (AREA)
  • Evolutionary Computation (AREA)
  • Human Computer Interaction (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Molecular Biology (AREA)
  • Acoustics & Sound (AREA)
  • Probability & Statistics with Applications (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

Provided is a server for predicting a user intention, which comprises: a reception unit receiving a query word from a user terminal; a recognition unit recognizing at least one of a keyword corresponding to the query word and a meaning tag; a user intention prediction unit predicting a user intention related to the query word by analyzing at least one of the recognized keyword and the recognized meaning tag; and a query sentence completion unit completing a query sentence for the query word based on the predicted user intention.

Description

사용자 의도를 예측하는 서버, 방법 및 컴퓨터 프로그램{SERVER, METHOD AND COMPUTER PROGRAM FOR PREDICTING INTENTION OF USER}SERVER, METHOD AND COMPUTER PROGRAM FOR PREDICTING INTENTION OF USER}

본 발명은 사용자 의도를 예측하는 서버, 방법 및 컴퓨터 프로그램에 관한 것이다. The present invention relates to a server, method and computer program for predicting user intention.

지능형 개인 비서는 사용자가 요구하는 작업을 처리하고, 사용자에게 특화된 서비스를 제공하는 소프트웨어 에이전트이다. 지능형 개인 비서는 인공 지능(AI) 엔진과 음성 인식을 기반으로 사용자에게 맞춤 정보를 수집하여 제공하고, 사용자의 음성 명령에 따라 일정 관리, 이메일 전송, 식당 예약 등 여러 기능을 수행하는 점에서 사용자의 편의성을 향상시키는 장점을 갖는다. The intelligent personal assistant is a software agent that handles the tasks required by the user and provides specialized services to the user. The intelligent personal assistant collects and provides customized information to the user based on the artificial intelligence (AI) engine and speech recognition, and performs various functions such as scheduling, emailing, and restaurant reservation according to the user's voice commands. It has the advantage of improving convenience.

이러한 지능형 개인 비서는 주로 스마트폰에서 맞춤형 개인 서비스의 형태로 제공되고 있으며, 대표적으로 애플의 시리(siri), 구글의 나우(now), 삼성의 빅스비 등이 이에 포함된다. 이와 관련하여, 선행기술인 한국공개특허 제 2016-0071111호는 전자 장치에서의 개인 비서 서비스 제공 방법을 개시하고 있다.These intelligent personal assistants are mainly provided in the form of personalized personal services on smartphones, including Apple's Siri, Google's Now, and Samsung's Bixby. In this regard, Korean Patent Publication No. 2016-0071111, which is a prior art, discloses a method for providing a personal assistant service in an electronic device.

종래의 지능형 개인 비서는 사용자로부터 질의어의 발화가 종료된 이후에 질의어에 대한 인식을 수행하여 답변을 제공할 수 있었다. 이는, 질의어 발화 시간 및 질의어 인식 시간이 소비된 후에 답변이 제공되도록 구성됨에 따라, 답변의 응답 속도에 한계가 존재하였다. 또한, 사용자가 발화한 질의어를 오인식한 경우, 사용자는 질의어를 재발화해야 한다는 불편함이 존재했다. The conventional intelligent personal assistant was able to provide an answer by performing recognition on the query after the speech of the query has ended from the user. This has a limitation in the response speed of the answer, since the answer is provided after the query speech time and the query recognition time are consumed. In addition, when the user misunderstood the query language spoken, the user had the inconvenience of re-exposing the query word.

사용자의 질의어 발화 중, 실시간으로 사용자의 질의어를 인식하고, 질의어와 관련된 사용자의 의도를 예측하는 사용자 의도를 예측하는 서버, 방법 및 컴퓨터 프로그램을 제공하고자 한다. It is intended to provide a server, method, and computer program for predicting a user's intention to recognize a user's query in real time during a user's speech, and predict a user's intention related to the query.

사용자의 예측된 의도에 기초하여 사용자의 의도가 잘 표현될 수 있도록 질의 문장을 완성하는 사용자 의도를 예측하는 서버, 방법 및 컴퓨터 프로그램을 제공하고자 한다. An object of the present invention is to provide a server, method, and computer program for predicting a user's intention to complete a query sentence so that the user's intention can be well expressed based on the user's predicted intention.

질의어에 대해 완성된 질의 문장에 기초하여 사용자의 의도와 관련된 서비스를 실행할 수 있도록 하는 사용자 의도를 예측하는 서버, 방법 및 컴퓨터 프로그램을 제공하고자 한다. An object of the present invention is to provide a server, method, and computer program for predicting a user's intention to enable a user to execute a service related to the user's intention based on a completed query sentence.

다만, 본 실시예가 이루고자 하는 기술적 과제는 상기된 바와 같은 기술적 과제들로 한정되지 않으며, 또 다른 기술적 과제들이 존재할 수 있다. However, the technical problems to be achieved by the present embodiment are not limited to the technical problems as described above, and other technical problems may exist.

상술한 기술적 과제를 달성하기 위한 수단으로서, 본 발명의 일 실시예는, 사용자 단말로부터 질의어를 수신하는 수신부, 상기 질의어에 해당하는 키워드 및 의미 태그 중 적어도 하나를 인식하는 인식부, 상기 인식된 키워드 및 상기 인식된 의미 태그 중 적어도 하나를 분석하여 상기 질의어와 관련된 사용자 의도를 예측하는 사용자 의도 예측부 및 상기 예측된 사용자 의도에 기초하여 상기 질의어에 대한 질의 문장을 완성하는 질의 문장 완성부를 포함하는 의도 예측 서버를 제공할 수 있다. As a means for achieving the above technical problem, an embodiment of the present invention, a receiving unit for receiving a query from a user terminal, a recognition unit for recognizing at least one of keywords and semantic tags corresponding to the query, the recognized keyword And a user intention prediction unit for predicting a user intention related to the query word by analyzing at least one of the recognized semantic tags, and a query sentence completion unit for completing a query sentence for the query word based on the predicted user intention. A prediction server can be provided.

본 발명의 다른 실시예는, 사용자 단말로부터 질의어를 수신하는 단계, 상기 질의어에 해당하는 키워드 및 의미 태그 중 적어도 하나를 인식하는 단계, 상기 인식된 키워드 및 상기 인식된 의미 태그 중 적어도 하나를 분석하여 상기 질의어와 관련된 사용자 의도를 예측하는 단계 및 상기 예측된 사용자 의도에 기초하여 상기 질의어에 대한 질의 문장을 완성하는 단계를 포함하는 의도 예측 방법을 제공할 수 있다. According to another embodiment of the present invention, receiving a query from a user terminal, recognizing at least one of keywords and semantic tags corresponding to the query, analyzing at least one of the recognized keywords and the recognized semantic tags It is possible to provide a method for predicting intention, including predicting a user intention related to the query and completing a query sentence for the query based on the predicted user intention.

본 발명의 또 다른 실시예는, 컴퓨터 프로그램은 컴퓨팅 장치에 의해 실행될 경우, 사용자 단말로부터 질의어를 수신하고, 상기 질의어에 해당하는 키워드 및 의미 태그 중 적어도 하나를 인식하고, 상기 인식된 키워드 및 상기 인식된 의미 태그 중 적어도 하나를 분석하여 상기 질의어와 관련된 사용자 의도를 예측하고, 상기 예측된 사용자 의도에 기초하여 상기 질의어에 대한 질의 문장을 완성하도록 하는 명령어들의 시퀀스를 포함하는 매체에 저장된 컴퓨터 프로그램을 제공할 수 있다. According to another embodiment of the present invention, when a computer program is executed by a computing device, a query word is received from a user terminal, and at least one of keywords and semantic tags corresponding to the query word is recognized, and the recognized keyword and the recognition Providing a computer program stored in a medium including a sequence of instructions for predicting a user intention related to the query word by analyzing at least one of the semantic tags, and completing a query sentence for the query word based on the predicted user intention can do.

상술한 과제 해결 수단은 단지 예시적인 것으로서, 본 발명을 제한하려는 의도로 해석되지 않아야 한다. 상술한 예시적인 실시예 외에도, 도면 및 발명의 상세한 설명에 기재된 추가적인 실시예가 존재할 수 있다.The above-described problem solving means are merely exemplary and should not be construed as limiting the present invention. In addition to the exemplary embodiments described above, there may be additional embodiments described in the drawings and detailed description of the invention.

전술한 본 발명의 과제 해결 수단 중 어느 하나에 의하면, 사용자의 질의어 발화 중, 실시간으로 사용자의 질의어를 인식하고, 질의어와 관련된 사용자의 의도를 예측하는 사용자 의도를 예측하는 서버, 방법 및 컴퓨터 프로그램을 제공할 수 있다. According to any one of the above-described problem solving means of the present invention, a server, method and computer program for predicting a user's intention for recognizing a user's intention in relation to a query and recognizing the user's query in real time during speech of the user's query Can provide.

사용자의 예측된 의도에 기초하여 사용자의 의도가 잘 표현될 수 있도록 질의 문장을 완성하는 사용자 의도를 예측하는 서버, 방법 및 컴퓨터 프로그램을 제공할 수 있다. It is possible to provide a server, method, and computer program for predicting a user's intention to complete a query sentence so that the user's intention is well expressed based on the user's predicted intention.

질의어에 대해 완성된 질의 문장에 기초하여 사용자의 의도와 관련된 서비스를 실행할 수 있도록 하는 사용자 의도를 예측하는 서버, 방법 및 컴퓨터 프로그램을 제공할 수 있다. It is possible to provide a server, a method, and a computer program for predicting a user's intention to enable a service related to the user's intention to be executed based on a completed query sentence for the query.

도 1은 본 발명의 일 실시예에 따른 의도 예측 시스템의 구성도이다.
도 2는 본 발명의 일 실시예에 따른 의도 예측 서버의 구성도이다.
도 3은 본 발명의 일 실시예에 따른 의도 예측 서버에서 질의어에 대한 질의 문장을 완성하여 컨텐츠를 실행시키기까지의 과정을 설명하기 위한 예시적인 도면이다.
도 4a 내지 도 4d는 본 발명의 일 실시예에 따른 질의어와 관련된 사용자 의도를 예측하여 질의어에 대한 질의 문장을 완성하는 과정을 설명하기 위한 예시적인 도면이다.
도 5는 본 발명의 일 실시예에 따른 의도 예측 서버에서 사용자 의도를 예측하는 방법의 순서도이다. 1 is a block diagram of an intention prediction system according to an embodiment of the present invention.
2 is a block diagram of an intention prediction server according to an embodiment of the present invention.
FIG. 3 is an exemplary diagram for explaining a process of completing a query sentence for a query word and executing content in the intention prediction server according to an embodiment of the present invention.
4A to 4D are exemplary diagrams for explaining a process of completing a query sentence for a query by predicting a user's intention related to the query according to an embodiment of the present invention.
5 is a flowchart of a method for predicting user intention in an intention prediction server according to an embodiment of the present invention.

아래에서는 첨부한 도면을 참조하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 본 발명의 실시예를 상세히 설명한다. 그러나 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예에 한정되지 않는다. 그리고 도면에서 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다. Hereinafter, exemplary embodiments of the present invention will be described in detail with reference to the accompanying drawings so that those skilled in the art to which the present invention pertains may easily practice. However, the present invention can be implemented in many different forms and is not limited to the embodiments described herein. In addition, in order to clearly describe the present invention in the drawings, parts irrelevant to the description are omitted, and like reference numerals are assigned to similar parts throughout the specification.

명세서 전체에서, 어떤 부분이 다른 부분과 "연결"되어 있다고 할 때, 이는 "직접적으로 연결"되어 있는 경우뿐 아니라, 그 중간에 다른 소자를 사이에 두고 "전기적으로 연결"되어 있는 경우도 포함한다. 또한 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미하며, 하나 또는 그 이상의 다른 특징이나 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다. Throughout the specification, when a part is "connected" to another part, this includes not only "directly connected" but also "electrically connected" with other elements in between. . Also, when a part is said to “include” a certain component, it means that the component may further include other components, not to exclude other components, unless otherwise stated. However, it should be understood that the existence or addition possibilities of numbers, steps, actions, components, parts or combinations thereof are not excluded in advance.

본 명세서에 있어서 '부(部)'란, 하드웨어에 의해 실현되는 유닛(unit), 소프트웨어에 의해 실현되는 유닛, 양방을 이용하여 실현되는 유닛을 포함한다. 또한, 1 개의 유닛이 2 개 이상의 하드웨어를 이용하여 실현되어도 되고, 2 개 이상의 유닛이 1 개의 하드웨어에 의해 실현되어도 된다.In the present specification, the term “unit” includes a unit realized by hardware, a unit realized by software, and a unit realized by using both. Further, one unit may be realized by using two or more hardware, and two or more units may be realized by one hardware.

본 명세서에 있어서 단말 또는 디바이스가 수행하는 것으로 기술된 동작이나 기능 중 일부는 해당 단말 또는 디바이스와 연결된 서버에서 대신 수행될 수도 있다. 이와 마찬가지로, 서버가 수행하는 것으로 기술된 동작이나 기능 중 일부도 해당 서버와 연결된 단말 또는 디바이스에서 수행될 수도 있다.Some of the operations or functions described in this specification as being performed by a terminal or device may be performed instead on a server connected to the corresponding terminal or device. Similarly, some of the operations or functions described as being performed by the server may be performed in a terminal or device connected to the corresponding server.

이하 첨부된 도면을 참고하여 본 발명의 일 실시예를 상세히 설명하기로 한다. Hereinafter, an embodiment of the present invention will be described in detail with reference to the accompanying drawings.

도 1은 본 발명의 일 실시예에 따른 의도 예측 시스템의 구성도이다. 도 1을 참조하면, 의도 예측 시스템(1)은 사용자 단말(110), 의도 예측 서버(120), 대화 서버(130) 및 주변 단말(140)을 포함할 수 있다. 사용자 단말(110), 의도 예측 서버(120), 대화 서버(130) 및 주변 단말(140)은 의도 예측 시스템(1)에 의하여 제어될 수 있는 구성요소들을 예시적으로 도시한 것이다. 1 is a block diagram of an intention prediction system according to an embodiment of the present invention. Referring to FIG. 1, the intention prediction system 1 may include a user terminal 110, an intention prediction server 120, a conversation server 130, and a peripheral terminal 140. The user terminal 110, the intention prediction server 120, the conversation server 130, and the peripheral terminal 140 illustrate components that can be controlled by the intention prediction system 1 by way of example.

도 1의 예측 시스템(1)의 각 구성요소들은 일반적으로 네트워크(network)를 통해 연결된다. 예를 들어, 도 1에 도시된 바와 같이, 의도 예측 서버(120)는 사용자 단말(110) 또는 대화 서버(130)와 동시에 또는 시간 간격을 두고 연결될 수 있다. Each component of the prediction system 1 of FIG. 1 is generally connected through a network. For example, as illustrated in FIG. 1, the intention prediction server 120 may be connected to the user terminal 110 or the conversation server 130 at the same time or at a time interval.

네트워크는 단말들 및 서버들과 같은 각각의 노드 상호 간에 정보 교환이 가능한 연결 구조를 의미하는 것으로, 근거리 통신망(LAN: Local Area Network), 광역 통신망(WAN: Wide Area Network), 인터넷 (WWW: World Wide Web), 유무선 데이터 통신망, 전화망, 유무선 텔레비전 통신망 등을 포함한다. 무선 데이터 통신망의 일례에는 3G, 4G, 5G, 3GPP(3rd Generation Partnership Project), LTE(Long Term Evolution), WIMAX(World Interoperability for Microwave Access), 와이파이(Wi-Fi), 블루투스 통신, 적외선 통신, 초음파 통신, 가시광 통신(VLC: Visible Light Communication), 라이파이(LiFi) 등이 포함되나 이에 한정되지는 않는다. Network refers to a connection structure capable of exchanging information between nodes such as terminals and servers, and a local area network (LAN), a wide area network (WAN), and the Internet (WWW: World) Wide Web), wired and wireless data communication networks, telephone networks, and wired and wireless television communication networks. Examples of wireless data communication networks include 3G, 4G, 5G, 3rd Generation Partnership Project (3GPP), Long Term Evolution (LTE), World Interoperability for Microwave Access (WIMAX), Wi-Fi, Bluetooth communication, infrared communication, ultrasound Communication, Visible Light Communication (VLC), LiFi, and the like are included, but are not limited thereto.

사용자 단말(110)은 사용자(100)로부터 발화되는 질의어를 수신하고, 수신한 질의어를 의도 예측 서버(120)로 전송할 수 있다. 여기서, 질의어란 사용자(100)로부터 음성이 발화되면, 음성의 발화 도중 음소 또는 단어가 순차적으로 인식된 것일 수 있다. 예를 들어, 사용자(100)가 "오늘 날씨 어때"와 같이 질의어를 발화하고자 하는 경우, 질의어는 사용자(100)로부터 발화 도중에 인식된 '오'와 같은 음소일 수 있으며, '오늘'과 같이 음소가 순차적으로 인식된 유의미한 단어일 수 있으며, '오늘 날', '오늘 날씨'와 같이 사용자(100)의 의도가 유추 가능한 단어일 수도 있다.The user terminal 110 may receive a query word spoken from the user 100 and transmit the received query word to the intention prediction server 120. Here, when the voice is spoken from the user 100, the query word may be one in which phonemes or words were sequentially recognized during the voice. For example, when the user 100 wants to utter a query word, such as “how is the weather today,” the query word may be a phoneme such as'o' recognized during the utterance from the user 100, and a phoneme as'today' A may be a meaningful word sequentially recognized, and may be a word in which the intention of the user 100 is inferred, such as'today' and'today'.

사용자 단말(110)은 사용자로부터 발화 도중 입력되는 질의어를 순차적으로 수신하여 의도 예측 서버(120)로 전송할 수 있다. The user terminal 110 may sequentially receive query words input during a utterance from the user and transmit them to the intention prediction server 120.

사용자 단말(110)은 의도 예측 서버(120)로부터 질의어에 대한 완성된 질의 문장을 수신하여 출력할 수 있다. 여기서, 질의 문장은 사용자(100)의 음성의 발화 도중 순차적으로 음소가 인식된 질의어로부터 사용자(100)가 말하고자 하는 또는 사용자(100)가 서비스를 제공받고자 하는 문장이 예측 또는 유추된 것일 수 있다. 또는, 의도 예측 서버(120)에서 질의어에 대한 질의 문장이 완성되지 않은 경우, 질의어는 사용자 단말(110)을 통해 출력될 수 있다. The user terminal 110 may receive and output the completed query sentence for the query word from the intention prediction server 120. Here, the query sentence may be a predicted or inferred sentence in which the user 100 wants to speak or the user 100 wants to be provided with a service from a query word in which phonemes are sequentially recognized during the speech of the user 100. . Alternatively, when the query sentence for the query word is not completed in the intention prediction server 120, the query word may be output through the user terminal 110.

사용자 단말(110)은 질의 문장에 기초하여 사용자 의도와 관련된 서비스를 실행할 수 있다. 예를 들어, 사용자 단말(110)은 질의어에 대한 질의 문장을 출력한 후, 예측된 사용자 의도와 관련된 서비스를 실행시키기 위한 부가 정보에 기초하여 사용자 의도와 관련된 서비스를 실행할 수 있다. 이 때, 사용자 단말(110)은 질의 문장이 출력된 후 사용자(100)로부터 소정 시간 동안 추가 질의어가 입력되지 않은 경우, 사용자 의도와 관련된 서비스를 실행할 수 있다. The user terminal 110 may execute a service related to a user's intention based on a query sentence. For example, after outputting a query sentence for a query word, the user terminal 110 may execute a service related to the user intention based on additional information for executing a service related to the predicted user intention. At this time, the user terminal 110 may execute a service related to the user's intention when an additional query is not input for a predetermined time from the user 100 after the query sentence is output.

의도 예측 서버(120)는 사용자(100)의 이전 질의 문장, 의미 태그, 사용자 단말(110)의 상황 정보, 사용자 단말(110)의 대화 이력 및 예측된 사용자 의도 중 적어도 하나에 기초하여 사용자 의도 추론 모델을 학습할 수 있다. The intention prediction server 120 infers the user intention based on at least one of a previous query sentence of the user 100, a semantic tag, context information of the user terminal 110, a conversation history of the user terminal 110, and a predicted user intention. You can train the model.

의도 예측 서버(120)는 사용자 단말(110)로부터 질의어를 수신하고, 질의어에 해당하는 키워드 및 의미 태그 중 적어도 하나를 인식할 수 있다. 여기서, 키워드란 사용자(100)의 음성 발화 도중 인식된 질의어가 텍스트로 변환한 것일 수 있다. The intention prediction server 120 may receive a query term from the user terminal 110 and recognize at least one of keywords and semantic tags corresponding to the query term. Here, the keyword may be a query word recognized during the voice utterance of the user 100 converted into text.

의도 예측 서버(120)는 인식된 키워드 및 인식된 의미 태그 중 적어도 하나를 분석하여 질의어와 관련된 사용자 의도를 예측할 수 있다. 의도 예측 서버(120)는 사용자 단말(110)의 동작 상태 또는 사용자 단말(110)과 연결된 주변 단말(140)의 동작 상태를 더 분석하여 사용자 의도를 예측할 수 있다. 의도 예측 서버(120)는 사용자 단말(110)의 사용 이력 및 사용자 단말(110)의 대화 이력 중 적어도 하나를 더 분석하여 사용자 의도를 예측할 수 있다. The intention prediction server 120 analyzes at least one of the recognized keyword and the recognized semantic tag to predict the user intention related to the query. The intention prediction server 120 may predict the user intention by further analyzing the operating state of the user terminal 110 or the operating state of the peripheral terminal 140 connected to the user terminal 110. The intention prediction server 120 may predict the user intention by further analyzing at least one of the usage history of the user terminal 110 and the conversation history of the user terminal 110.

의도 예측 서버(120)는 의미 태그가 인식되지 않은 경우 키워드가 인식된 시점에 해당하는 시간 대에 사용자 단말(110)을 통해 기설정된 빈도수 이상 제공되었던 서비스 제공 형태를 사용자 의도로 예측할 수 있다. 또는, 의도 예측 서버(120)는 의미 태그가 인식되지 않은 경우 인식된 키워드에 해당하는 사용자 단말(110)의 상황 정보를 더 분석하여 사용자 의도를 예측할 수 있다. When the semantic tag is not recognized, the intention prediction server 120 may predict a service provision type that has been provided over a preset frequency through the user terminal 110 at a time corresponding to a time point when the keyword is recognized as a user intention. Alternatively, when the semantic tag is not recognized, the intention prediction server 120 may further analyze the context information of the user terminal 110 corresponding to the recognized keyword to predict the user intention.

의도 예측 서버(120)는 예측된 사용자 의도에 기초하여 질의어에 대한 질의 문장을 완성할 수 있다. 구체적으로, 의도 예측 서버(120)는 인식된 키워드로부터 문장 유사도가 기설정된 임계값을 초과하는 제 1 어휘를 도출하고, 예측된 사용자 의도를 표현하는 제 2 어휘를 도출한 후, 도출된 제 1 어휘 및 도출된 제 2 어휘를 결합하여 질의어에 대한 질의 문장을 완성할 수 있다. 예를 들어, 사용자(100)가 "오늘 날씨 어때?"를 발화하고자 하는 경우, 의도 예측 서버(120)는 사용자(100)의 발화 도중 인식된 사용자(100)의 의도가 유추 가능한 단어인 "오늘 날"에 대한 질의어만으로 사용자(100)의 의도에 해당하는 "오늘 날씨 어때?"와 같은 질의 문장을 완성할 수 있다. 다른 예를 들어, 사용자(100)가 "오늘 날씨 어때?"를 발화하고자 하는 경우, 의도 예측 서버(120)는 사용자(100)의 발화 도중 인식된 음소인 "오"에 대한 질의어만으로 사용자(100)의 의도에 해당하는 "오늘 날씨 어때?"와 같은 질의 문장을 완성할 수도 있다. The intention prediction server 120 may complete a query sentence for a query word based on the predicted user intention. Specifically, the intention prediction server 120 derives a first vocabulary that exceeds a predetermined threshold of sentence similarity from a recognized keyword, derives a second vocabulary expressing the predicted user intention, and then derives the first vocabulary. A query sentence for a query word may be completed by combining the vocabulary and the derived second vocabulary. For example, when the user 100 wants to utter "How is the weather today?", the intention prediction server 120 is the word "today" in which the intention of the user 100 recognized during the utterance of the user 100 is inferred. The query sentence such as "How is the weather today?" corresponding to the intention of the user 100 can be completed only with the query word for "day." For another example, when the user 100 wants to utter "How is the weather today?", the intention prediction server 120 uses only the query word for the phoneme "O" recognized during the user 100's utterance, so that the user 100 You can also complete a sentence such as "How is the weather today?"

의도 예측 서버(120)는 사용자 단말(110)에서 예측된 사용자 의도와 관련된 서비스를 실행시키기 위한 부가 정보를 완성된 질의 문장으로부터 도출하고, 도출된 부가 정보를 완성된 질의 문장에 매핑할 수 있다. 이 때, 의도 예측 서버(120)는 부가 정보가 매핑된 질의 문장을 사용자 단말(110)로 전송할 수 있다. The intention prediction server 120 may derive additional information for executing a service related to the user intention predicted by the user terminal 110 from the completed query sentence, and map the derived additional information to the completed query sentence. At this time, the intention prediction server 120 may transmit a query sentence to which the additional information is mapped to the user terminal 110.

의도 예측 서버(120)는 사용자 단말(110)을 통해 질의어가 출력된 후 사용자 단말(110)에 소정 시간 동안 추가 질의어가 입력되지 않은 경우, 질의어를 대화 서버(130)로 전송할 수 있다. 의도 예측 서버(120)는 대화 서버(130)로부터 질의어에 대한 답변 문장을 수신할 수 있다. The intention prediction server 120 may transmit the query to the conversation server 130 when an additional query is not input to the user terminal 110 for a predetermined time after the query is output through the user terminal 110. The intention prediction server 120 may receive an answer sentence for the query from the conversation server 130.

이를 통해, 의도 예측 서버(120)는 사용자(100)로부터 입력되는 질의어의 음성 인식 도중, 사용자의 의도를 예측하여 질의 문장을 완성함으로써, 서비스까지 빠르게 연결시킬 수 있다. 또한, 중복적인 의미를 담고 있는 키워드에 대해 의미를 명확하게 함으로써, 음성 오인식을 방지하고, 사용자의 의도 예측에 대한 정확도를 높일 수 있다. 또한, 의도 예측 서버(120)에서 의미 태그가 인식되지 않더라도, 사용자의 상황 및 질의어에 기초하여 사용자의 의도에 가까운 표현의 문장을 완성 및 제시할 수 있다. 또한, 긴 콘텐츠명, 불명확한 콘텐츠명이 오인식되더라도 사용자의 재발화 없이 초기 발화에 대해 교정된 완전환 질의 문장을 사용자에게 제시하고, 이를 서비스로 연결시킴으로써, 서비스의 연결 과정을 단축시킬 수 있다. Through this, the intention prediction server 120 may quickly connect to the service by predicting the user's intention and completing a query sentence during speech recognition of the query word input from the user 100. In addition, by clarifying the meaning of a keyword containing a duplicate meaning, it is possible to prevent speech misrecognition and increase accuracy for predicting a user's intention. In addition, even if the semantic tag is not recognized in the intention prediction server 120, the sentence of the expression close to the user's intention may be completed and presented based on the user's situation and query. In addition, even if a long content name or an unclear content name is misrecognized, a corrected query sentence corrected for an initial utterance is presented to a user without recurrence of the user, and the service connection process can be shortened by connecting it to the service.

대화 서버(130)는 의도 예측 서버(120)로부터 질의어를 수신할 수 있다. The conversation server 130 may receive a query word from the intention prediction server 120.

대화 서버(130)는 수신한 질의어를 분석하고, 분석된 질의어에 기초하여 답변 문장을 생성할 수 있다. 예를 들어, 대화 서버(130)는 질의어와 관련하여 기매핑된 사용자 의도가 존재하는 경우, 질의어에 해당하는 기매핑된 사용자 의도에 기초하여 답변 문장을 생성할 수 있다. 다른 예를 들어, 질의어와 관련하여 기매핑된 사용자 의도가 없는 경우, 질의어에 대한 사용자 의도를 예측하고, 예측된 사용자 의도에 기초하여 답변 문장을 생성할 수 있다. The conversation server 130 may analyze the received query word and generate an answer sentence based on the analyzed query word. For example, when there is a pre-mapped user intention related to the query, the conversation server 130 may generate an answer sentence based on the pre-mapped user intention corresponding to the query. For another example, if there is no pre-mapped user intention in relation to the query, the user's intention for the query may be predicted and an answer sentence may be generated based on the predicted user intention.

대화 서버(130)는 생성한 답변 문장을 답변 템플릿과 함께 의도 예측 서버(120)로 전송할 수 있다. 이 때, 대화 서버(130)는 예측된 사용자 의도와 관련된 서비스가 실행되도록 부가 정보를 답변 문장과 함께 의도 예측 서버(120)로 전송할 수 있다. The conversation server 130 may transmit the generated response sentence together with the answer template to the intention prediction server 120. At this time, the conversation server 130 may transmit additional information to the intention prediction server 120 along with the response sentence so that the service related to the predicted user intention is executed.

대화 서버(130)는 답변 문장이 의도 예측 서버(120)로 전송되면, 질의어에 의미 태그가 존재할 확률 및 예측된 사용자 의도에 기초하여 대화 이력을 업데이트할 수 있다. When the answer sentence is transmitted to the intention prediction server 120, the conversation server 130 may update the conversation history based on the probability that the semantic tag exists in the query and the predicted user intention.

주변 단말(140)은 질의 문장에 기초하여 사용자 의도와 관련된 서비스를 실행할 수 있다. 예를 들어, 주변 단말(140) 사용자 의도와 관련된 서비스를 실행시키기 위한 부가 정보에 기초하여 사용자 의도와 관련된 서비스를 실행할 수 있다. The peripheral terminal 140 may execute a service related to the user's intention based on the query sentence. For example, the peripheral terminal 140 may execute a service related to the user's intention based on additional information for executing a service related to the user's intention.

도 2는 본 발명의 일 실시예에 따른 의도 예측 서버의 구성도이다. 도 2를 참조하면, 의도 예측 서버(120)는 학습부(210), 수신부(220), 인식부(230), 사용자 의도 예측부(240), 질의 문장 완성부(250), 부가 정보 도출부(260), 전송부(270) 및 통신부(280)를 포함할 수 있다. 2 is a block diagram of an intention prediction server according to an embodiment of the present invention. 2, the intention prediction server 120 includes a learning unit 210, a reception unit 220, a recognition unit 230, a user intention prediction unit 240, a query sentence completion unit 250, and additional information derivation unit 260, a transmission unit 270 and a communication unit 280.

학습부(210)는 사용자(100)의 이전 질의 문장, 의미 태그, 사용자 단말(110)의 상황 정보, 사용자 단말(110)의 대화 이력 및 예측된 사용자 의도 중 적어도 하나에 기초하여 사용자 의도 추론 모델을 학습할 수 있다. 이 때, 학습부(210)는 예를 들어, 순환신경망(RNN, Recurrent Neural Network)를 이용하여 사용자의 질의어와 관련성이 높은 확률의 질의 문장이 출력되도록 사용자 의도 추론 모델을 학습할 수 있다. The learning unit 210 is based on at least one of a previous query sentence of the user 100, a semantic tag, context information of the user terminal 110, a conversation history of the user terminal 110, and a predicted user intention. Can learn. At this time, the learning unit 210, for example, may use a recurrent neural network (RNN) to learn a user inference reasoning model to output a query sentence having a high probability of relevance to the user's query language.

수신부(220)는 사용자 단말(110)로부터 질의어를 수신할 수 있다. 예를 들어, 사용자(100)가 "오늘 날씨 어때?" 를 발화하고자 하는 경우, 수신부(220)는 사용자 단말(110)로부터 사용자(100)의 발화 도중에 인식된 음소, 유의미한 단어 또는 사용자(100)의 의도가 유추 가능한 단어를 포함하는 질의어를 수신할 수 있다. 여기서, 질의어란 사용자(100)로부터 음성이 발화되면, 음성의 발화 도중 적어도 하나의 음소가 순차적으로 인식되거나, 또는 적어도 하나의 유의미한 단어가 인식되는 것일 수 있다. The receiver 220 may receive a query term from the user terminal 110. For example, the user 100 may ask, "How is the weather today?" If the user wants to utterance, the receiver 220 may receive a query word including a phoneme, a meaningful word recognized by the user 100 during the utterance of the user 100, or a word in which the intention of the user 100 is inferred from the user terminal 110. . Here, when the voice is spoken from the user 100, the query word may be one in which at least one phoneme is sequentially recognized during the speech, or at least one meaningful word is recognized.

인식부(230)는 질의어에 해당하는 키워드 및 의미 태그 중 적어도 하나를 인식할 수 있다. 여기서, 키워드란 사용자(100)의 음성 발화 도중 인식된 적어도 하나의 음소 또는 단어를 텍스트로 변환한 것이고, 의미 태그는 콘텐명, 시간 정보, 위치 정보 등을 포함하는 유의미한 개체명 및 질의어에 대한 유형 등을 포함할 수 있다. The recognizer 230 may recognize at least one of keywords and semantic tags corresponding to the query. Here, the keyword is a conversion of at least one phoneme or word recognized during the voice utterance of the user 100 into text, and the semantic tag is a type for a meaningful object name and a query that includes content name, time information, and location information. And the like.

예를 들어, 사용자 단말(110)로부터 사용자(100)가 발화하고자 하는 의도(예를 들어, 오늘 날씨 어때)에 해당하는 질의어를 수신한 경우, 인식부(230)는 '오', '오늘', '오늘 날', '오늘 날씨', '오늘 날씨 어', 오늘 날씨 어때'와 같이 질의어에 해당하는 키워드를 순차적으로 인식할 수 있다. 여기서, 키워드는 '오'와 같이 적어도 하나의 음소 단위로부터 인식될 수 있으며, '오늘'과 같이 유의미한 단어로부터 인식될 수 있으며, '오늘 날' 또는 '오늘 날씨'와 같이 사용자(100)의 의도가 유추 가능한 단어로부터 인식될 수 있다. 이 때, 어느 하나의 질의어에 대해 다수개의 키워드가 인식된 경우, 인식부(230)는 다수의 키워드 중 사용자(100)가 발화할 확률이 높은 소정(예를 들어, 3개)의 키워드를 선택할 수 있다. For example, when the user terminal 110 receives a query word corresponding to the intention that the user 100 wants to utter (for example, how is the weather today), the recognition unit 230 displays'o','today' Keywords such as'today','today's weather','today's weather', and'today's weather' can be recognized sequentially. Here, the keyword may be recognized from at least one phoneme unit, such as'today', and may be recognized from a meaningful word such as'today', and the intention of the user 100, such as'today' or'today's weather' Can be recognized from analogous words. At this time, if a plurality of keywords are recognized for any one query, the recognition unit 230 selects a predetermined keyword (eg, three) having a high probability of utterance from the user 100 among the plurality of keywords. Can.

사용자 의도 예측부(240)는 인식된 키워드 및 인식된 의도 태그 중 적어도 하나를 분석하여 질의어와 관련된 사용자 의도를 예측할 수 있다. 이 때, 사용자 의도 예측부(240)는 사용자 단말(110)의 동작 상태(온/오프 상태, 서비스 실행 여부 등) 또는 사용자 단말(110)과 연결된 주변 단말(140)의 동작 상태(온/오프 상태, 서비스 실행 여부 등), 사용자 단말(110)의 사용 이력 및 사용자 단말(110)의 대화 이력 등을 더 분석하여 사용자 의도를 예측할 수 있다. 예를 들어, 사용자(100)가 "오늘 날씨 어때?"를 발화하고자 하고, 인식부(230)에서 사용자(100)의 음성 발화 도중 인식된 질의어가 "오늘 날"인 경우, 사용자 의도 예측부(240)는 사용자(100)가 날씨를 질의하고자 함을 사용자 의도로 예측 또는 유추할 수 있다. 다른 예를 들어, 사용자(100)가 "오늘 날씨 어때?"를 발화하고자 하고, 인식부(230)에서 사용자(100)의 음성 발화 도중 인식된 질의어가 "오"인 경우, 사용자 의도 예측부(240)는 사용자(100)의 이전에 이용한 서비스 내역에 기초하여 사용자(100)가 날씨를 질의하고자 함을 사용자 의도로 예측 또는 유추할 수 있다. The user intention predicting unit 240 may predict at least one of the recognized keyword and the recognized intention tag to predict the user intention related to the query. At this time, the user intention predicting unit 240 is the operating state of the user terminal 110 (on/off state, whether the service is executed, etc.) or the operating state of the peripheral terminal 140 connected to the user terminal 110 (on/off) Status, service execution, etc.), the usage history of the user terminal 110 and the conversation history of the user terminal 110 may be further analyzed to predict the user intention. For example, when the user 100 wants to utter "How is the weather today," and the query term recognized during the voice utterance of the user 100 in the recognition unit 230 is "today", the user intention prediction unit ( 240) may predict or infer with the user's intention that the user 100 wants to query the weather. For another example, when the user 100 wants to utter "How is the weather today," and the query term recognized during the voice utterance of the user 100 in the recognition unit 230 is "O", the user intention prediction unit ( 240) may predict or infer with the user's intention that the user 100 wants to query the weather based on the service history previously used by the user 100.

사용자 의도 예측부(240)는 의미 태그가 인식되지 않은 경우 키워드가 인식된 시점에 해당하는 시간 대에 사용자 단말(110)을 통해 기설정된 빈도수 이상 제공되었던 서비스 제공 형태를 사용자 의도로 예측할 수 있다. 예를 들어, 인식부(230)에서 질의어에 해당하는 키워드로 '오늘'이 인식되고, 사용자(100)가 주로 아침 시간에 날씨 서비스를 제공받은 경우, 사용자 의도 예측부(240)는 사용자(100)가 날씨 서비스를 요청하는 것으로 예측할 수 있다. When the semantic tag is not recognized, the user intention predicting unit 240 may predict a service provision form that has been provided over a preset frequency through the user terminal 110 at a time corresponding to a time point when the keyword is recognized as the user intention. For example, when'today' is recognized as a keyword corresponding to a query term in the recognition unit 230, and the user 100 is mainly provided with weather services in the morning time, the user intention prediction unit 240 is the user 100 ) Can be predicted as requesting weather service.

사용자 의도 예측부(240)는 의미 태그가 인식되지 않은 경우 인식된 키워드에 해당하는 사용자 단말(110)의 상황 정보를 더 분석하여 사용자 의도를 예측할 수 있다. 예를 들어, 인식부(230)에서 질의어에 해당하는 키워드로 '축구'가 인식되고, 사용자(100)가 '스포츠' 채널을 주로 시청하는 경우, 사용자 의도 예측부(240)는 사용자(100)가 축구 경기 결과를 요청하는 것으로 예측할 수 있다. When the semantic tag is not recognized, the user intention predicting unit 240 may further analyze the context information of the user terminal 110 corresponding to the recognized keyword to predict the user intention. For example, when the'football' is recognized as a keyword corresponding to a query word in the recognition unit 230, and the user 100 mainly watches the'sport' channel, the user intention prediction unit 240 is the user 100 Can be predicted as requesting the results of a soccer match.

질의 문장 완성부(250)는 예측된 사용자 의도에 기초하여 질의어에 대한 질의 문장을 완성할 수 있다. 여기서, 질의 문장은 사용자(100)의 음성의 발화 도중 순차적으로 음소가 인식된 질의어로부터 사용자(100)가 말하고자 하는 또는 사용자(100)가 서비스를 제공받고자 하는 문장이 예측 또는 유추된 것일 수 있다. 구체적으로, 질의 문장 완성부(250)는 인식된 키워드로부터 문장 유사도가 기설정된 임계값을 초과하는 제 1 어휘를 도출하고, 예측된 사용자 의도를 표현하는 제 2 어휘를 도출한 후, 도출된 제 1 어휘 및 도출된 제 2 어휘를 결합하여 질의어에 대한 질의 문장을 완성할 수 있다. 예를 들어, 질의 문장 완성부(250)는 제 1 어휘로 '오늘 날씨'를 도출하고, 제 2 어휘로 '어때?'를 도출한 후, 도출된 제 1 어휘 및 제 2 어휘를 결합하여 "오늘 날씨 어때?"와 같이 질의어에 대한 질의 문장을 완성할 수 있다. 예를 들어, 사용자(100)가 "오늘 날씨 어때?"를 발화하고자 하고, 인식부(230)에서 사용자(100)의 음성 발화 도중 인식된 질의어가 "오늘 날"이고, 사용자 의도 예측부(240)에서 사용자(100)가 날씨를 질의하고자 함을 사용자 의도로 예측 또는 유추한 경우, 질의 문장 완성부(250)는 "오늘 날씨 어때?"와 같이 질의어에 대한 질의 문장을 완성할 수 있다. The query sentence completion unit 250 may complete a query sentence for a query word based on the predicted user intention. Here, the query sentence may be a predicted or inferred sentence in which the user 100 wants to speak or the user 100 wants to be provided with a service from a query word in which phonemes are sequentially recognized during the speech of the user 100. . Specifically, the query sentence completion unit 250 derives a first vocabulary that exceeds a predetermined threshold of sentence similarity from the recognized keyword, derives a second vocabulary expressing the predicted user intention, and then derives the derived vocabulary. A query sentence for a query word can be completed by combining 1 vocabulary and the derived 2nd vocabulary. For example, the query sentence completion unit 250 derives'today's weather' as the first vocabulary, derives'what?' as the second vocabulary, and then combines the derived first vocabulary and second vocabulary." You can complete the query sentence for the query like "How is the weather today?" For example, the user 100 wants to utter "How is the weather today," and the query term recognized during the voice utterance of the user 100 in the recognition unit 230 is "today", and the user intention prediction unit 240 ) If the user 100 predicts or infers that the user wants to query the weather with the user's intention, the query sentence completion unit 250 may complete a query sentence for the query, such as "How is the weather today?".

부가 정보 도출부(260)는 사용자 단말(110)에서 예측된 사용자 의도와 관련된 서비스를 실행시키기 위한 부가 정보를 완성된 질의 문장으로부터 도출하고, 도출된 부가 정보를 완성된 질의 문장에 매핑할 수 있다. The additional information deriving unit 260 may derive additional information for executing a service related to the user intention predicted by the user terminal 110 from the completed query sentence and map the derived additional information to the completed query sentence. .

예를 들어, 질의 문장 완성부(250)에서 "김비서가 왜그럴까 보고 싶어"와 같이 질의 문장을 완성하고, 사용자 의도로 '컨텐츠 재생(PlayContent)'이 예측된 경우, 부가 정보 도출부(260)는 컨텐츠에 해당하는 "김비서가 왜그럴까"를 재생시키기 위한 인자를 부가 정보로 도출하고, 도출된 부가 정보를 질의 문장에 매핑함으로써, 질의 문장(예를 들어, 김비서가 왜그럴까 보고 싶어)이 사용자 단말(110)에서 출력된 이후, 해당 컨텐츠(예를 들어, 김비서가 왜그럴까)가 재생되도록 할 수 있다. For example, when the query sentence completion unit 250 completes the query sentence, such as "I want to see why Kim secretary does it," and the user's intention'Play Content' is predicted, additional information derivation unit 260 By deriving the factor for reproducing "Why is Kim secretary" corresponding to the content as additional information, and mapping the derived additional information to the query sentence, the query sentence (for example, I want to see why Kim Secretary is so) After being output from the terminal 110, the corresponding content (for example, why is the secretary of Kim) can be played.

다른 예를 들어, 질의 문장 완성부(250)에서 "회사까지 얼마나 걸려?"와 같이 질의 문장을 완성하고, 사용자 의도로 '내비게이션 조회(QueryNavigation)'가 예측된 경우, 부가 정보 도출부(260)는 내비게이션의 조회에 필요한 사용자(100)의 목적지인 'POI=회사'를 부가 정보로 도출하고, 도출된 부가 정보를 질의 문장에 매핑함으로써, 질의 문장(예를 들어, 회사까지 얼마나 걸려?)이 사용자 단말(110)에서 출력된 이후, 내비게이션 서비스를 통해 사용자(100)의 현재 위치로부터 목적지(회사)까지의 소요 시간이 출력되도록 할 수 있다. For another example, when the query sentence completion unit 250 completes the query sentence, such as "How long does it take to get to the company?", and the user's intention'navigation query (QueryNavigation)' is predicted, additional information derivation unit 260 By deriving'POI=company', which is the destination of the user 100 required for navigation inquiry, as additional information, and mapping the derived additional information to the query sentence, the query sentence (for example, how long does it take to get to the company?) After being output from the user terminal 110, a time required from the current location of the user 100 to the destination (company) may be output through the navigation service.

전송부(270)는 부가 정보가 매핑된 질의 문장을 사용자 단말(110)로 전송할 수 있다. 이 때, 부가 정보가 매핑된 질의 문장은 사용자 단말(110)의 디스플레이 또는 스피커를 통해 출력될 수 있다. The transmitting unit 270 may transmit a query sentence mapped with additional information to the user terminal 110. At this time, the query sentence to which the additional information is mapped may be output through the display or speaker of the user terminal 110.

통신부(280)는 사용자 단말(110)을 통해 질의어가 출력된 후 사용자 단말(110)에 소정 시간 동안 추가 질의어가 입력되지 않은 경우, 질의어를 대화 서버(130)로 전송하고, 대화 서버(130)로부터 질의어에 대한 답변 문장을 수신할 수 있다. The communication unit 280 transmits the query to the conversation server 130 when the query term is output through the user terminal 110 and no additional query term is input to the user terminal 110 for a predetermined time, and the conversation server 130 The response sentence for the query can be received from.

도 3은 본 발명의 일 실시예에 따른 의도 예측 서버에서 질의어에 대한 질의 문장을 완성하여 서비스를 실행시키기까지의 과정을 설명하기 위한 예시적인 도면이다. 도 3을 참조하면, 사용자(100)가 "TV에 아이유 나오는 드라마 틀어줘"라고 발화하고자 하는 경우, 의도 예측 서버(120)는 사용자 단말(110)로부터 사용자(100)의 발화 도중에 입력되는 질의어(300)를 "TV(301)->아이유(302)->나오는(303)"과 같이 순차적으로 수신할 수 있다. 이 때, 질의어(300)는 'TV'(301), '아이유'(302), '나오는'(303)과 같이 제어하고자 하는 단말과 적어도 하나의 유의미한 단어로 이루어질 수 있다. 예를 들어, 의도 예측 서버(120)는 유의미한 단어인 '아이유'(302)만으로는 '아이유'(302)와 관련된 컨텐츠가 음악, 드라마, 영화 등 너무 많으므로, '나오는'(303)과 같이 사용자(100)가 서비스 받고자 하는 컨텐츠 대상과 관련된 사용자(100)의 의도가 드러나는 단어를 통해 사용자(100)의 의도를 예측 또는 유추하여 질의 문장(330)을 완성할 수 있다. 3 is an exemplary diagram for explaining a process of completing a query sentence for a query word and executing a service in an intention prediction server according to an embodiment of the present invention. 3, the user 100 is in the case to be ignited as "IU give out play drama on TV", the intention prediction server 120 a query term that is input during the ignition of the user 100 from user terminal 110 ( 300), the "TV (301) -> IU 302 -> out 303" can be received in sequence as well. At this time, the query 300 may be formed of at least one significant word and a terminal to be controlled, such as "TV" (301), "IU" 302, the "out" 303. For example, a user, such as the intention prediction server 120 is significant word for 'IU' 302 alone 'IU' 302 and therefore related to the content is music, too many dramas and movies such as 'coming out' (303) The query sentence 330 may be completed by predicting or inferring the intention of the user 100 through words in which the intention of the user 100 related to a content object to be serviced is revealed.

이와 함께, 의도 예측 서버(120)는 해당 키워드를 수신할 당시의 '사용자 단말(110) 또는 사용자 단말(110)과 연결된 주변 단말(140)의 동작 상태(310)', '사용자 단말(110)의 대화 상태(320)'를 분석할 수 있고, 수신한 키워드, 동작 상태(310) 및 대화 상태(320)에 기초하여 질의 문장(330)을 완성시킬 수 있다. 이 경우, 완성된 질의 문장(330)은 질의어 및 의도(Goal)를 포함할 수 있다.In addition, the intention prediction server 120, when the corresponding keyword is received,'the operating state 310 of the user terminal 110 or the peripheral terminal 140 connected to the user terminal 110','the user terminal 110 The conversation state 320 of 'can be analyzed, and the query sentence 330 may be completed based on the received keyword, the operation state 310, and the conversation state 320. In this case, the completed query sentence 330 may include a query word and intention (Goal).

구체적으로, 의도 예측 서버(120)는 제 1 질의어를 사용자 단말(110)로부터 수신할 수 있다. 의도 예측서버(120)는 제 1 질의어인 "TV"(301)에 해당하는 제 1 키워드를 인식할 수 있다. 예를 들어, 의도 예측 서버(120)는 제 1 질의어인 "TV"(301)에 대해 '티브이끄', 'TV', '티비 어'와 같이 발화 확률이 높은 제 1 키워드를 인식할 수 있다. Specifically, the intention prediction server 120 may receive the first query word from the user terminal 110. The intention prediction server 120 may recognize the first keyword corresponding to the first query word “TV” 301. For example, the intention prediction server 120 may recognize a first keyword having a high probability of utterance such as'TV','TV', and'TV' for the first query word "TV" 301. .

의도 예측 서버(120)는 동작 상태(310)를 'TV=오프(off), 사용자 단말=대기 모드 상태'(311)로 분석할 수 있다. 의도 예측 서버(120)는 제 1 질의어에 대해 의미 태그를 포함하는 대화 상태(320)를 분석할 수 있다. 예를 들어, 의도 예측 서버(120)는 제 1 질의어에 해당하는 대화 상태(320)를 'Device=TV(321), PR=TurnOn'(322)으로 분석할 수 있다. The intention prediction server 120 may analyze the operation state 310 as'TV = off, user terminal = standby mode state' 311. The intention prediction server 120 may analyze the conversation state 320 including the semantic tag for the first query. For example, the intention prediction server 120 may analyze the conversation state 320 corresponding to the first query as'Device=TV 321, PR=TurnOn' 322.

의도 예측 서버(120)는 제 1 키워드, 동작 상태 및 대화 상태에 기초하여 제 1 질의어와 관련된 사용자의 의도로 'TurnOnTV'를 예측할 수 있다. 의도 예측 서버(120)는 예측된 사용자 의도에 기초하여 제 1 질의어에 대한 질의 문장(331)을 "TV 켜줘"로 완성하여, 사용자 단말(110)로 전송할 수 있다. 사용자 단말(110)은 "TV 켜줘"를 디스플레이 또는 스피커를 통해 출력한 후, 사용자 단말(110)은 주변 단말(140)인 'TV'를 제어하여 'TV'가 켜지도록 할 수 있다. The intention prediction server 120 may predict'TurnOnTV' with the user's intention related to the first query based on the first keyword, the operating state, and the conversation state. The intention prediction server 120 may complete the query sentence 331 for the first query term with “Turn on TV” based on the predicted user intention and transmit it to the user terminal 110. After the user terminal 110 outputs "Turn on TV" through a display or speaker, the user terminal 110 may control the'TV', which is the peripheral terminal 140, so that the'TV' is turned on.

이후, 의도 예측 서버(120)는 제 2 질의어를 사용자 단말(110)로부터 수신할 수 있다. 이 때, 의도 예측서버(120)는 제 1 질의어를 통해 주변 단말(140)의 동작 상태가 변경되었으므로, 수신한 제 2 질의어에 대해 키워드를 인식할 수 있다. 예를 들어, 의도 예측 서버(120)는제 2 질의어인 "아이유"(302)에 해당하는 키워드를 인식할 수 있다. 예를 들어, 의도 예측 서버(120)는 "아이유"(302)에 해당하는 제 2 질의어에 대해 '아이유', '아유미', 'IYOU'와 같이 발화 확률이 높은 소정의 키워드를 인식할 수 있다. Thereafter, the intention prediction server 120 may receive the second query from the user terminal 110. At this time, since the operation state of the peripheral terminal 140 is changed through the first query word, the intention prediction server 120 may recognize the keyword with respect to the received second query word. For example, it is possible to recognize a keyword that corresponds to the intention prediction server 120 neunje two query terms of "IU" 302. For example, can recognize the predetermined keyword, the ignition probability of high such as "IU," "Ayumi", "IYOU 'for a second query term that corresponds to the" IU "302 intended prediction server 120 .

의도 예측 서버(120)는 인식된 제 2 키워드에 기초하여 사용자 단말(110) 또는 사용자 단말(110)과 연결된 주변 단말(140)의 동작 상태(310)를 분석할 수 있다. 예를 들어, 의도 예측 서버(120)는 현재 'TV=온(on), 사용자 단말=온(on)/뮤직앱 미실행 중'(312)으로 분석할 수 있다. The intention prediction server 120 may analyze the operation state 310 of the user terminal 110 or the peripheral terminal 140 connected to the user terminal 110 based on the recognized second keyword. For example, the intention prediction server 120 may analyze as'TV=on, user terminal=on/music app not running' 312.

의도 예측 서버(120)는 제 2 질의어에 대해 의미 태그를 포함하는 대화 상태(320)를 분석할 수 있다. 예를 들어, 의도 예측 서버(120)는 제 2 질의어에 해당하는 대화 상태(320)를 'Device=TV(323), Actor=아이유>아유미(324), PR=Listen>Query>Show'(325)로 분석할 수 있다. The intention prediction server 120 may analyze the conversation state 320 including the semantic tag for the second query. For example, intent prediction server 120 is a dialog state 320 corresponding to the second query phrase 'Device = TV (323), Actor = IU> Ayumi (324), PR = Listen> Query> Show' (325 ).

의도 예측 서버(120)는 제 2 키워드 및 대화 상태(320)에 기초하여 제 2 질의어와 관련된 사용자의 의도로 'MusicPlay'를 예측할 수 있다. The intention prediction server 120 may predict'MusicPlay' based on the user's intention related to the second query term based on the second keyword and the conversation state 320.

의도 예측 서버(120)는 예측된 사용자 의도에 기초하여 제 2 질의어에 대한 질의 문장(332)을 "아이유 들려줘."로 완성하여, 사용자 단말(110)로 전송할 수 있다. 사용자 단말(110)은 "아이유 들려줘"를 디스플레이 또는 스피커를 통해 출력할 수 있다. Intended prediction server 120 a query statement (332) for a second query based on the predicted user intention to complete the "IU Wishing", can be transmitted to the user terminal (110). The user terminal 110 can output the "IU Wishing" through a display or speaker.

이후, 의도 예측 서버(120)는 제 3 질의어를 수신할 수 있다. 의도 예측서버(120)는 제 3 질의어인 "나오는"에 해당하는 키워드를 인식할 수 있다. 이 때, 의도 예측 서버(120)는 사용자 단말(110) 또는 주변 단말(140)의 동작 상태가 변경되지 않았으므로, 제 2 및 제 3 질의어에 해당하는 "아이유 나오는"(303)에 대해 키워드를 인식할 수 있다. 예를 들어, 의도 예측 서버(120)는 "아이유 나오는"(303)에 대해 '아이유 나오는', '이유 나', '아라 이 나'와 같이 발화 확률이 높은 소정의 키워드를 인식할 수 있다. Then, the intention prediction server 120 may receive the third query. The intention prediction server 120 may recognize a keyword corresponding to the third query term “outgoing”. At this time, the keyword for the intended prediction server 120, the user terminal 110, or because the operating state is not changed around the terminal 140, second 303 "IU out" corresponding to the three query term Can be recognized. For example, can recognize the high ignition probability of predetermined keywords, such as "IU out", "Why I ',' la or" about 303 "IU out" intent prediction server 120.

의도 예측 서버(120)는 인식된 제 3 키워드에 기초하여 사용자 단말(110) 또는 사용자 단말(110)과 연결된 주변 단말(140)의 동작 상태(310)를 분석할 수 있다. 예를 들어, 의도 예측 서버(120)는 현재 'TV=온(on), 사용자 단말=온(on)/뮤직앱 미실행 중'(313)으로 분석할 수 있다. The intention prediction server 120 may analyze the operating state 310 of the user terminal 110 or the peripheral terminal 140 connected to the user terminal 110 based on the recognized third keyword. For example, the intention prediction server 120 may analyze as'TV=on, user terminal=on/music app not running' 313.

의도 예측 서버(120)는 제 3 질의어에 대해 의미 태그를 포함하는 대화상태(320)를 분석할 수 있다. 예를 들어, 의도 예측 서버(120)는 제 3 질의어에 해당하는 대화 상태(320)를 'Singer=아이유(326), Actor=아이유>아유미(327), PR=Query>Show>Listen'(328)으로 분석할 수 있다. The intention prediction server 120 may analyze the conversation state 320 including the semantic tag for the third query. For example, intent prediction server 120 is the dialog state 320, the number corresponding to the three query terms 'Singer = IU (326), Actor = IU> Ayumi (327), PR = Query> Show> Listen' (328 ).

최종적으로, 의도 예측 서버(120)는 제 3 키워드 및 대화 상태에 기초하여 제 3 질의어와 관련된 사용자의 의도로 'PlayContent'를 예측할 수 있다. 의도 예측 서버(120)는 예측된 사용자 의도에 기초하여 제 3 질의어에 대한 질의 문장(333)을 "아이유 나오는 드라마 틀어줘"로 완성하여, 사용자 단말(110)로 전송할 수 있다. 사용자 단말(110)은 "아이유 나오는 드라마 틀어줘"를 디스플레이 또는 스피커를 통해 출력하고, 관련 컨텐츠를 실행시킬 수 있다. Finally, the intention prediction server 120 may predict'PlayContent' with the user's intention related to the third query based on the third keyword and the conversation state. Intended prediction server 120 a query statement (333) to a third query based on the predicted user intention to complete the "Give IU turn out drama", can be transmitted to the user terminal (110). The user terminal 110 may execute the relevant content output, and through the display or speaker to "give IU turn out drama".

도 4a 내지 도 4d는 본 발명의 일 실시예에 따른 질의어와 관련된 사용자 의도를 예측하여 질의어에 대한 질의 문장을 완성하는 과정을 설명하기 위한 예시적인 도면이다. 4A to 4D are exemplary diagrams for explaining a process of completing a query sentence for a query by predicting a user's intention related to the query according to an embodiment of the present invention.

도 4a를 참조하면, 사용자(100)가 "오늘 축구 어떻게 되었어?"라고 발화하고자 하는 경우, 의도 예측 서버(120)는 사용자 단말(110)로부터 음성 발화 도중 입력되는 질의어(401) 를 순차적으로 수신할 수 있다. Referring to FIG. 4A, when the user 100 wants to speak “What happened to soccer today?”, the intention prediction server 120 sequentially receives a query 401 input during a voice utterance from the user terminal 110. can do.

의도 예측 서버(120)는 사용자 단말(110)로부터 제 1 질의어를 수신할 수 있다. 의도 예측 서버(120)는 사용자 단말(110)로부터 제 1 질의어인 "오"와 같은 음소를 수신한 경우, 수신한 음소에 해당하는 제 1 키워드를 인식할 수 있다. 예를 들어, 의도 예측 서버(120)는 제 1 질의어인 "오"에 대해 '오늘', '오 날', '오는'과 같이 발화 확률이 높은 소정의 키워드를 인식할 수 있다. 이 때, 의도 예측 서버(120)는 제 1 질의어를 통해 사용자(100)가 유의미한 단어인 '오늘'을 발화하고자함을 예측 또는 유추할 수 있다. The intention prediction server 120 may receive the first query term from the user terminal 110. The intention prediction server 120 may recognize a first keyword corresponding to the received phoneme when the phoneme such as "o", which is the first query word, is received from the user terminal 110. For example, the intention prediction server 120 may recognize a predetermined keyword having a high probability of speech, such as'today','o day', and'o' for the first query word "o". At this time, the intention prediction server 120 may predict or infer that the user 100 wants to utter a meaningful word'today' through the first query.

의도 예측 서버(120)는 사용자 단말(110) 또는 사용자 단말(110)과 연결된 주변 단말(140)의 동작 상태(400)를 분석할 수 있다. 예를 들어, 의도 예측 서버(120)는 현재 'TV=오프(off), 사용자 단말=온(on)'으로 분석할 수 있다. The intention prediction server 120 may analyze the operation state 400 of the user terminal 110 or the peripheral terminal 140 connected to the user terminal 110. For example, the intention prediction server 120 may analyze'TV=off, user terminal=on'.

의도 예측 서버(120)는 사용자 단말(110)의 사용 이력 및 대화 이력 등에 기초하여 사용자 의도를 예측할 수 있다. 예를 들어, 의도 예측 서버(120)는 사용자 단말(110)의 사용 이력, 대화 이력 및 제 1 키워드에 기초하여 대화 상태(402)를 'Day=오늘, PR=QueryState'로 분석하고, 분석된 대화 상태(402)에 기초하여 사용자 의도를 'QueryWeather'로 예측할 수 있다. The intention prediction server 120 may predict the user intention based on the usage history and conversation history of the user terminal 110. For example, the intention prediction server 120 analyzes the conversation state 402 as'Day=today, PR=QueryState' based on the usage history, conversation history, and the first keyword of the user terminal 110, and analyzed The user's intention may be predicted as'QueryWeather' based on the conversation state 402.

의도 예측 서버(120)는 예측된 사용자 의도에 기초하여 질의 문장(403)을 "오늘 날씨 어때?"로 예측할 수 있다. The intention prediction server 120 may predict the query sentence 403 as “how is the weather today?” based on the predicted user intention.

이후, 의도 예측 서버(120)는 사용자 단말(110)로부터 제 2 질의어를 수신할 수 있다. 이 때, 의도 예측 서버(120)는 제 1 질의어에 대해 질의 문장이 예측된 이후, 사용자 단말(110) 및 사용자 단말(110)과 연결된 주변 단말(140)의 동작 상태(400)가 변경되지 않았으므로, 제 1 질의어('오늘')에 이어서 제 2 질의어('축구')를 인식할 수 있다. 예를 들어, 의도 예측 서버(120)는 사용자 단말(110)로부터 제 2 질의어인 "축"과 같은 음소를 수신한 경우, 수신한 음소에 해당하는 제 2 키워드를 인식할 수 있다. 예를 들어, 의도 예측 서버(120)는 제 2 질의어인 "축"에 대해 제 1 키워드에 이어서 '오늘 축구', '오늘 축'과 같이 발화 확률이 높은 소정의 키워드를 인식할 수 있다. 이 때, 의도 예측 서버(120)는 제 2 질의어를 통해 사용자(100)가 유의미한 단어인 '축구'를 발화하고자 함을 예측 또는 유추할 수 있다. Thereafter, the intention prediction server 120 may receive a second query from the user terminal 110. In this case, after the query sentence is predicted for the first query word, the intention prediction server 120 has not changed the operation state 400 of the user terminal 110 and the peripheral terminal 140 connected to the user terminal 110. Therefore, it is possible to recognize the second query ('football') following the first query ('today'). For example, the intention prediction server 120 may recognize a second keyword corresponding to the received phoneme when a phoneme such as the second query term "axis" is received from the user terminal 110. For example, the intention prediction server 120 may recognize a predetermined keyword having a high probability of utterance, such as'today football' and'today axis', following the first keyword for the second query word "axis". At this time, the intention prediction server 120 may predict or infer that the user 100 wants to utter a meaningful word'football' through the second query.

의도 예측 서버(120)는 사용자 단말(110)의 사용 이력 및 대화 이력 등에 기초하여 사용자 의도를 예측할 수 있다. 예를 들어, 의도 예측 서버(120)는 사용자 단말(110)의 사용 이력, 대화 이력 및 제 1 및 제 2 키워드에 기초하여 대화 상태(402)를 'Day=오늘, Sports=축구, PR=QueryState'로 분석하고, 분석된 대화 상태(402)에 기초하여 사용자 의도를 'QuerySportsInfo'로 예측할 수 있다. The intention prediction server 120 may predict the user intention based on the usage history and conversation history of the user terminal 110. For example, the intention prediction server 120 sets the conversation state 402 to'Day=Today, Sports=Soccer, PR=QueryState based on the user terminal 110's usage history, conversation history, and first and second keywords. ', and based on the analyzed conversation state 402, user intention may be predicted as'QuerySportsInfo'.

의도 예측 서버(120)는 예측된 사용자 의도에 기초하여 질의 문장(403)을 "오늘 축구 어떻게 되었어?"로 완성할 수 있다. The intention prediction server 120 may complete the query sentence 403 as “What happened to soccer today?” based on the predicted user intention.

도 4b를 참조하면, 사용자(100)가 "TV 지금 뭐해?"라고 발화하고자 하는 경우, 의도 예측 서버(120)는 사용자 단말(110)로부터 음성 발화 도중 입력되는 질의어(401)를 순차적으로 수신할 수 있다. Referring to FIG. 4B, when the user 100 wants to speak “What are TV doing now?”, the intention prediction server 120 sequentially receives the query term 401 input during the voice utterance from the user terminal 110. Can.

의도 예측 서버(120)는 사용자 단말(110)로부터 제 1 질의어를 수신할 수 있다. 의도 예측 서버(120)는 사용자 단말(110)로부터 제 1 질의어인 "T"와 같은 음소 또는 "TV"와 같은 유의미한 단어를 수신한 경우, 수신한 단어에 해당하는 키워드를 인식할 수 있다. 예를 들어, 의도 예측 서버(120)는 제 1 질의어인 "TV"에 대해 '티브이', 'TV', '티비 어'와 같이 발화 확률이 높은 소정의 제 1 키워드를 인식할 수 있다. 이 때, 의도 예측 서버(120)는 제 1 질의어를 통해 사용자(100)가 유의미한 단어인 'TV'를 발화하고자 함을 예측 또는 유추할 수 있다. The intention prediction server 120 may receive the first query term from the user terminal 110. The intention prediction server 120 may recognize a keyword corresponding to the received word when a phoneme such as the first query word "T" or a meaningful word such as "TV" is received from the user terminal 110. For example, the intention prediction server 120 may recognize a predetermined first keyword having a high probability of utterance such as'TV','TV', and'TV' for the first query word "TV". At this time, the intention prediction server 120 may predict or infer that the user 100 intends to utter the meaningful word'TV' through the first query.

의도 예측 서버(120)는 인식된 제 1 키워드에 기초하여 사용자 단말(110) 또는 사용자 단말(110)과 연결된 주변 단말(140)의 동작 상태(400)를 분석할 수 있다. 예를 들어, 의도 예측 서버(120)는 'TV=오프(off), 사용자 단말=대기 모드 상태'로 분석할 수 있다. The intention prediction server 120 may analyze the operation state 400 of the user terminal 110 or the peripheral terminal 140 connected to the user terminal 110 based on the recognized first keyword. For example, the intention prediction server 120 may analyze'TV = off, user terminal = standby mode state'.

의도 예측 서버(120)는 사용자 단말(110) 및 사용자 단말(110)의 동작 상태(400)와 제 1 키워드에 기초하여 대화 상태(402)를 'Device=TV, PR=TurnOn'로 분석하고, 분석된 대화 상태(402)에 기초하여 사용자 의도를 'TurnOn'으로 예측할 수 있다.The intention prediction server 120 analyzes the conversation state 402 as'Device=TV, PR=TurnOn' based on the operation state 400 of the user terminal 110 and the user terminal 110 and the first keyword, The user's intention may be predicted as'TurnOn' based on the analyzed conversation state 402.

의도 예측 서버(120)는 예측된 사용자 의도에 기초하여 질의 문장(403)을 "TV 켜줘"로 예측할 수 있다. The intention prediction server 120 may predict the query sentence 403 as “Turn on the TV” based on the predicted user intention.

이후, 의도 예측 서버(120)는 사용자 단말(110)로부터 제 2 질의어를 수신할 수 있다. 예를 들어, 의도 예측 서버(120)는 사용자 단말(110)로부터 제 2 질의어인 "지"와 같은 음소를 수신한 경우, 수신한 음소에 해당하는 제 2 키워드를 인식할 수 있다. 예를 들어, 의도 예측 서버(120)는 제 2 질의어인 "지"에 대해 제 1 키워드에 이어서 '지금', '지 급'과 같이 발화 확률이 높은 소정의 키워드를 인식할 수 있다. 이 때, 의도 예측 서버(120)는 제 2 질의어를 통해 사용자(100)가 유의미한 단어인 '지금"을 발화하고자 함을 예측 또는 유추할 수 있다. Thereafter, the intention prediction server 120 may receive a second query from the user terminal 110. For example, the intention prediction server 120 may recognize a second keyword corresponding to the received phoneme when a phoneme such as the second query term "ji" is received from the user terminal 110. For example, the intention prediction server 120 may recognize a predetermined keyword having a high utterance probability, such as'now' and'payment', after the first keyword for the second query word "G". At this time, the intention prediction server 120 may predict or infer that the user 100 wants to utter the meaningful word'now' through the second query.

의도 예측 서버(120)는 사용자 단말(110)의 사용 이력 및 대화 이력 등에 기초하여 사용자 의도를 예측할 수 있다. 예를 들어, 의도 예측 서버(120)는 사용자 단말(110)의 사용 이력, 대화 이력 및 제 2 키워드에 기초하여 대화 상태(402)를 'Sb_time=지금, Category=드라마, PR=Query'로 분석하고, 분석된 대화 상태(402)에 기초하여 사용자 의도를 'QueryContents'로 예측할 수 있다. The intention prediction server 120 may predict the user intention based on the usage history and conversation history of the user terminal 110. For example, the intention prediction server 120 analyzes the conversation state 402 as'Sb_time=now, Category=drama, PR=Query' based on the user terminal 110's usage history, conversation history, and the second keyword. And, based on the analyzed conversation state 402, the user intention may be predicted as'QueryContents'.

의도 예측 서버(120)는 예측된 사용자 의도에 기초하여 질의 문장(403)을 "드라마 뭐해?"로 완성할 수 있다. The intention prediction server 120 may complete the query sentence 403 with “What are you doing?” based on the predicted user intention.

도 4c를 참조하면, 사용자(100)가 "지금 회사까지 얼마나 걸려?"라고 발화하고자 하는 경우, 의도 예측 서버(120)는 사용자 단말(110)로부터 음성 발화 도중 입력되는 질의어에 대한 질의어(401)를 순차적으로 수신할 수 있다. Referring to FIG. 4C, when the user 100 wants to speak “How long does it take to get to the company now?”, the intention prediction server 120 queries the query term 401 for the query term inputted during voice speech from the user terminal 110 Can be sequentially received.

의도 예측 서버(120)는 수신한 질의어(401)인 "지금"에 해당하는 키워드를 인식할 수 있다. 예를 들어, 의도 예측 서버(120)는 사용자 단말(110)로부터 질의어(401)인 "지"와 같은 음소를 수신한 경우, 수신한 음소에 해당하는 키워드를 인식할 수 있따. 예를 들어, 의도 예측 서버(120)는 제 1 질의어인 "지"에 대해 '지금', '지 급'과 같이 발화 확률이 높은 소정의 키워드를 인식할 수 있다. 이 때, 의도 예측 서버(120)는 제 1 질의어를 통해 사용자(100)가 유의미한 단어인 '지금'을 발화하고자 함을 예측 또는 유추할 수 있다.The intention prediction server 120 may recognize a keyword corresponding to “now”, which is the received query term 401. For example, the intention prediction server 120 may recognize a keyword corresponding to the received phoneme when receiving a phoneme such as "ji" which is a query 401 from the user terminal 110. For example, the intention prediction server 120 may recognize a predetermined keyword having a high utterance probability, such as'now' and'payment', for the first query word "paper". At this time, the intention prediction server 120 may predict or infer that the user 100 intends to utter a meaningful word'now' through the first query.

여기서, 의도 예측 서버(120)는 '지금'이라는 키워드만을 인식하고, 의미 태그를 인식하지 못한 상태일 수 있으므로, 사용자 단말(110)의 대화 이력을 분석하여 사용자 의도를 예측할 수 있다. Here, since the intention prediction server 120 recognizes only the keyword'now' and may not recognize the semantic tag, the user intention may be predicted by analyzing the conversation history of the user terminal 110.

예를 들어, 의도 예측 서버(120)는 사용자 단말(110)의 동작 상태(400)를 질의어(401)를 수신한 '평일 아침 시간대'로 분석할 수 있다. 또한, 의도 예측 서버(120)는 사용자 단말(110)의 대화 이력에 기초하여 사용자(100)가 해당 시간대에 회사까지의 교통 상황을 자주 물어본 경우, 의도 예측 서버(120)는 해당 시간대에 필요한 정보를 물어보는 대화 이력 중 많이 발화된 "회사까지 얼마나 걸려?"라는 질의 문장(403)을 완성할 수 있다. For example, the intention prediction server 120 may analyze the operation state 400 of the user terminal 110 as the'weekday morning time' when the query word 401 is received. In addition, the intention prediction server 120 is based on the conversation history of the user terminal 110, when the user 100 frequently asks the traffic situation to the company in the corresponding time zone, the intention prediction server 120 is necessary for the time zone A query sentence 403, "How long does it take to get to the company?"

이 때, 의도 예측 서버(120)는 '지금'을 통해 사용자 의도로 'QueryNavigation', 완성된 질의 문장인"회사까지 얼마나 걸려?"가 매핑되면, 내비게이션의 조회에 핵심값인 'POI=회사'를 부가 정보로 질의 문장에 매핑할 수 있다. At this time, when the'QueryNavigation' and the completed query sentence "How long does it take to the company?" are mapped to the user's intention through'now', the intention prediction server 120 maps to'POI=company', which is a core value for inquiry of navigation. Can be mapped to the query sentence as additional information.

도 4d를 참조하면, 사용자(100)가 "김비서가 왜그럴까 틀어줘"라고 발화하고자 하는 경우, 의도 예측 서버(120)는 사용자 단말(110)로부터 음성 발화 도중 입력되는 질의어(401)를 순차적으로 수신할 수 있다. Referring to FIG. 4D, when the user 100 wants to speak “Tell me why Kim is secretary”, the intention prediction server 120 sequentially queries the query 401 inputted during the voice utterance from the user terminal 110. I can receive it.

의도 예측 서버(120)는 사용자 단말(110)로부터 제 1 질의어인 "김비서"와 같은 유의미한 단어를 수신한 경우, 수신한 단어에 해당하는 키워드를 인식할 수 있다. 이 때, 의도 예측 서버(120)는 제 1 질의어인 "김비서"에 대해 '김이서'와 같이 키워드를 오인식할 수 있다. The intention prediction server 120 may recognize a keyword corresponding to the received word when a meaningful word, such as the first query term "Gimbiseo", is received from the user terminal 110. At this time, the intention prediction server 120 may misrecognize a keyword, such as'Kim Lee Seo', for the first query word "Kim Secretary".

의도 예측 서버(120)는 오인식된 키워드에 기초하여 의미 태그를 'Content'로 분석할 수 있다. 또한, 인식된 키워드에 기초하여 사용자 단말(110) 또는 사용자 단말(110)과 연결된 주변 단말(140)의 동작 상태(400)를 더 분석할 수 있다. 예를 들어, 의도 예측 서버(120)는 'TV=온(on), 사용자 단말=온(on)'으로 분석할 수 있다. 이를 통해, 의도 예측 서버(120)는 대화 상태(402)를 'Content=김비서가 왜 그럴까, PR=Show'로 분석할 수 있다. 즉, 의도 예측 서버(120)는 사용자(100)의 질의어를 오인식하더라도, 사용자 단말(110) 또는 사용자 단말(110)과 연결된 주변 단말(140)의 동작 상태(400), 사용자(100)가 자주 이용하는 서비스 또는 컨텐츠 등에 기초하여 오인식된 질의어인 '김이서'를 '김비서'로 정정할 수 있다. The intention prediction server 120 may analyze the semantic tag as'Content' based on the misrecognized keyword. In addition, the operation state 400 of the user terminal 110 or the peripheral terminal 140 connected to the user terminal 110 may be further analyzed based on the recognized keyword. For example, the intention prediction server 120 may analyze as'TV=on, user terminal=on'. Through this, the intention prediction server 120 may analyze the conversation state 402 as'Content=Why does Kim Secretary, PR=Show'? That is, even if the intention prediction server 120 misinterprets the query word of the user 100, the operating state 400 and the user 100 of the user terminal 110 or the peripheral terminal 140 connected to the user terminal 110 are frequently Based on the service or content used, the misrecognized query term'Kim Yi-seo' can be corrected to'Gimbi-seo'.

의도 예측 서버(120)는 '김이서'라는 키워드로부터 의미 태그로 '김비서가 왜 그럴까'를 인식하고, 현재 TV가 온(on)된 상태이고, 사용자(100)가 해당 시간대에 드라마를 자주 시청하는 경우, 사용자 의도를 'PlayContent'로 예측할 수 있다. The intention prediction server 120 recognizes'why is Kim's secretary' as a semantic tag from the keyword'Kim Yi-seo', and the current TV is on, and the user 100 frequently watches dramas in the corresponding time period If it does, the user's intention can be predicted as'PlayContent'.

의도 예측 서버(120)는 예측된 사용자 의도에 기초하여 인식된 키워드와 문장 유사도가 높은 콘텐츠명인 '김비서가 왜 그럴까'를 예측하고, 제 1 어휘로 "김비서가 왜 그럴까"를 도출하고, 사용자 의도를 표현하는 '보고 싶어, 보여줘 등'과 같은 제 2 어휘를 결합하여 질의 문장(403)을 완성할 수 있다. The intention prediction server 120 predicts'Why is Kim secretary doing that', which is a content name having high keyword and sentence similarity based on the predicted user's intention, derives "Why is Kim secretary doing that" as the first vocabulary, and derives user intention A query sentence 403 may be completed by combining a second vocabulary such as'I want to see, show, etc.' expressing.

도 5는 본 발명의 일 실시예에 따른 의도 예측 서버에서 사용자 의도를 예측하는 방법의 순서도이다. 도 5에 도시된 의도 예측 서버(120)에서 사용자 의도를 예측하는 방법은 도 1 내지 도 4d에 도시된 실시예에 따른 의도 예측 시스템(1)에 의해 시계열적으로 처리되는 단계들을 포함한다. 따라서, 이하 생략된 내용이라고 하더라도 도 1 내지 도 4d에 도시된 실시예에 따른 의도 예측 서버(120)에서 사용자 의도를 예측하는 방법에도 적용된다. 5 is a flowchart of a method for predicting user intention in an intention prediction server according to an embodiment of the present invention. The method for predicting the user's intention in the intention prediction server 120 shown in FIG. 5 includes steps processed in time series by the intention prediction system 1 according to the embodiment shown in FIGS. 1 to 4D. Therefore, even if omitted, the intention prediction server 120 according to the embodiment illustrated in FIGS. 1 to 4D is also applied to a method for predicting user intention.

단계 S510에서 의도 예측 서버(120)는 사용자 단말(110)로부터 질의어를 수신할 수 있다. In step S510, the intention prediction server 120 may receive a query from the user terminal 110.

단계 S520에서 의도 예측 서버(120)는 질의어에 해당하는 키워드 및 의미 태그 중 적어도 하나를 인식할 수 있다. In step S520, the intention prediction server 120 may recognize at least one of keywords and semantic tags corresponding to the query.

단계 S530에서 의도 예측 서버(120)는 인식된 키워드 및 인식된 의도 태그 중 적어도 하나를 분석하여 질의어와 관련된 사용자 의도를 예측할 수 있다. In step S530, the intention prediction server 120 analyzes at least one of the recognized keyword and the recognized intention tag to predict a user intention related to the query.

단계 S540에서 의도 예측 서버(120)는 예측된 사용자 의도에 기초하여 질의어에 대한 질의 문장을 완성할 수 있다. In step S540, the intention prediction server 120 may complete a query sentence for the query based on the predicted user intention.

상술한 설명에서, 단계 S510 내지 S540은 본 발명의 구현예에 따라서, 추가적인 단계들로 더 분할되거나, 더 적은 단계들로 조합될 수 있다. 또한, 일부 단계는 필요에 따라 생략될 수도 있고, 단계 간의 순서가 전환될 수도 있다.In the above description, steps S510 to S540 may be further divided into additional steps or combined into fewer steps, according to an embodiment of the present invention. In addition, some steps may be omitted if necessary, and the order between the steps may be switched.

도 1 내지 도 5을 통해 설명된 의도 예측 서버에서 사용자 의도를 예측하는 방법은 컴퓨터에 의해 실행되는 매체에 저장된 컴퓨터 프로그램 또는 컴퓨터에 의해 실행 가능한 명령어를 포함하는 기록 매체의 형태로도 구현될 수 있다. 또한, 도 1 내지 도 5을 통해 설명된 의도 예측 서버에서 사용자 의도를 예측하는 방법은 컴퓨터에 의해 실행되는 매체에 저장된 컴퓨터 프로그램의 형태로도 구현될 수 있다. The method for predicting user intention in the intention prediction server described with reference to FIGS. 1 to 5 may also be implemented in the form of a computer program stored in a medium executed by a computer or a recording medium including instructions executable by a computer. . In addition, the method for predicting user intention in the intention prediction server described with reference to FIGS. 1 to 5 may also be implemented in the form of a computer program stored in a medium executed by a computer.

컴퓨터 판독 가능 매체는 컴퓨터에 의해 액세스될 수 있는 임의의 가용 매체일 수 있고, 휘발성 및 비휘발성 매체, 분리형 및 비분리형 매체를 모두 포함한다. 또한, 컴퓨터 판독가능 매체는 컴퓨터 저장 매체를 포함할 수 있다. 컴퓨터 저장 매체는 컴퓨터 판독가능 명령어, 데이터 구조, 프로그램 모듈 또는 기타 데이터와 같은 정보의 저장을 위한 임의의 방법 또는 기술로 구현된 휘발성 및 비휘발성, 분리형 및 비분리형 매체를 모두 포함한다. Computer readable media can be any available media that can be accessed by a computer, and includes both volatile and nonvolatile media, removable and non-removable media. In addition, computer readable media may include computer storage media. Computer storage media includes both volatile and nonvolatile, removable and non-removable media implemented in any method or technology for storage of information such as computer readable instructions, data structures, program modules or other data.

전술한 본 발명의 설명은 예시를 위한 것이며, 본 발명이 속하는 기술분야의 통상의 지식을 가진 자는 본 발명의 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 쉽게 변형이 가능하다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다. 예를 들어, 단일형으로 설명되어 있는 각 구성 요소는 분산되어 실시될 수도 있으며, 마찬가지로 분산된 것으로 설명되어 있는 구성 요소들도 결합된 형태로 실시될 수 있다. The above description of the present invention is for illustration only, and those skilled in the art to which the present invention pertains can understand that it can be easily modified to other specific forms without changing the technical spirit or essential features of the present invention. will be. Therefore, it should be understood that the embodiments described above are illustrative in all respects and not restrictive. For example, each component described as a single type may be implemented in a distributed manner, and similarly, components described as distributed may be implemented in a combined form.

본 발명의 범위는 상기 상세한 설명보다는 후술하는 특허청구범위에 의하여 나타내어지며, 특허청구범위의 의미 및 범위 그리고 그 균등 개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본 발명의 범위에 포함되는 것으로 해석되어야 한다. The scope of the present invention is indicated by the following claims rather than the above detailed description, and it should be interpreted that all changes or modified forms derived from the meaning and scope of the claims and equivalent concepts thereof are included in the scope of the present invention. do.

110: 사용자 단말
120: 의도 예측 서버
130: 대화 서버
140: 주변 단말
210: 학습부
220: 수신부
230: 인식부
240: 사용자 의도 예측부
250: 질의 문장 완성부
260: 부가 정보 도출부
270: 전송부
280: 통신부110: user terminal
120: intention prediction server
130: chat server
140: peripheral terminal
210: learning department
220: receiver
230: recognition unit
240: user intention prediction unit
250: query sentence completion
260: additional information deriving unit
270: transmission unit
280: communication unit

Claims (20)

사용자 의도를 예측하는 서버에 있어서,
사용자 단말로부터 질의어를 수신하는 수신부;
상기 질의어에 해당하는 키워드 및 의미 태그 중 적어도 하나를 인식하는 인식부;
상기 인식된 키워드 및 상기 인식된 의미 태그 중 적어도 하나를 분석하여 상기 질의어와 관련된 사용자 의도를 예측하는 사용자 의도 예측부; 및
상기 예측된 사용자 의도에 기초하여 상기 질의어에 대한 질의 문장을 완성하는 질의 문장 완성부
를 포함하는, 의도 예측 서버.
In the server to predict the user intention,
A receiving unit for receiving a query from the user terminal;
A recognition unit recognizing at least one of keywords and semantic tags corresponding to the query;
A user intention predicting unit predicting a user intention related to the query by analyzing at least one of the recognized keyword and the recognized semantic tag; And
Query sentence completion unit for completing a query sentence for the query word based on the predicted user intention
Intention prediction server comprising a.
제 1 항에 있어서,
상기 사용자 의도 예측부는 상기 사용자 단말의 동작 상태 또는 상기 사용자 단말과 연결된 주변 단말의 동작 상태를 더 분석하여 상기 사용자 의도를 예측하는 것인, 의도 예측 서버.
According to claim 1,
The user intention predicting unit predicts the user intention by further analyzing an operating state of the user terminal or an operating state of a peripheral terminal connected to the user terminal.
제 2 항에 있어서,
상기 사용자 의도 예측부는 상기 사용자 단말의 사용 이력 및 상기 사용자 단말의 대화 이력 중 적어도 하나를 더 분석하여 상기 사용자 의도를 예측하는 것인, 의도 예측 서버.
According to claim 2,
The user intention prediction unit predicts the user intention by further analyzing at least one of a user terminal usage history and a conversation history of the user terminal.
제 3 항에 있어서,
상기 사용자 의도 예측부는 상기 의미 태그가 인식되지 않은 경우 상기 키워드가 인식된 시점에 해당하는 시간 대에 상기 사용자 단말을 통해 기설정된 빈도수 이상 제공되었던 서비스 제공 형태를 상기 사용자 의도로 예측하는 것인, 의도 예측 서버.
The method of claim 3,
The user intention predicting unit, if the semantic tag is not recognized, predicts, as the user intention, a service provision type that has been provided over a preset frequency through the user terminal in a time period corresponding to a time point when the keyword is recognized. Prediction server.
제 4 항에 있어서,
상기 질의 문장 완성부는 상기 인식된 키워드로부터 문장 유사도가 기설정된 임계값을 초과하는 제 1 어휘를 도출하고, 상기 예측된 사용자 의도를 표현하는 제 2 어휘를 도출하는 것인, 의도 예측 서버.
The method of claim 4,
The query sentence completion unit derives a first vocabulary whose sentence similarity exceeds a predetermined threshold from the recognized keyword, and derives a second vocabulary expressing the predicted user intention.
제 5 항에 있어서,
상기 질의 문장 완성부는 상기 도출된 제 1 어휘 및 상기 도출된 제 2 어휘를 결합하여 상기 질의어에 대한 질의 문장을 완성하는 것인, 의도 예측 서버.
The method of claim 5,
The intention prediction server, wherein the query sentence completion unit completes a query sentence for the query word by combining the derived first vocabulary and the derived second vocabulary.
제 1 항에 있어서,
상기 사용자 의도 예측부는 상기 의미 태그가 인식되지 않은 경우 상기 인식된 키워드에 해당하는 상기 사용자 단말의 상황 정보를 더 분석하여 상기 사용자 의도를 예측하는 것인, 의도 예측 서버.
According to claim 1,
The user intention prediction unit predicts the user intention by further analyzing context information of the user terminal corresponding to the recognized keyword when the semantic tag is not recognized.
제 1 항에 있어서,
상기 사용자 단말에서 상기 예측된 사용자 의도와 관련된 서비스를 실행시키기 위한 부가 정보를 상기 완성된 질의 문장으로부터 도출하고, 상기 도출된 부가 정보를 상기 완성된 질의 문장에 매핑하는 부가 정보 도출부
를 더 포함하는 것인, 의도 예측 서버.
According to claim 1,
Additional information derivation unit for deriving additional information for executing the service related to the predicted user intention from the user terminal from the completed query sentence, and mapping the derived additional information to the completed query sentence
Intention prediction server that further comprises.
제 8 항에 있어서,
상기 부가 정보가 매핑된 상기 질의 문장을 상기 사용자 단말로 전송하는 전송부를 더 포함하고,
상기 사용자 단말에서 상기 부가 정보에 기초하여 상기 사용자 의도와 관련된 서비스가 실행되는 것인, 의도 예측 서버.
The method of claim 8,
Further comprising a transmission unit for transmitting the query sentence to which the additional information is mapped to the user terminal,
An intention prediction server in which the service related to the user intention is executed based on the additional information at the user terminal.
제 9 항에 있어서,
상기 사용자 단말을 통해 상기 질의 문장이 출력된 후 상기 사용자 단말에 소정 시간 동안 추가 질의어가 입력되지 않은 경우, 상기 사용자 의도와 관련된 서비스가 실행되는 것인, 의도 예측 서버.
The method of claim 9,
When the query sentence is output through the user terminal and an additional query term is not input to the user terminal for a predetermined time, a service related to the user intention is executed.
제 1 항에 있어서,
상기 질의 문장이 완성되지 않은 경우, 상기 질의어는 상기 사용자 단말을 통해 출력되는 것인, 의도 예측 서버.
According to claim 1,
When the query sentence is not completed, the query word is output through the user terminal, intention prediction server.
제 11 항에 있어서,
상기 사용자 단말을 통해 상기 질의어가 출력된 후 상기 사용자 단말에 소정 시간 동안 추가 질의어가 입력되지 않은 경우, 상기 질의어를 대화 서버로 전송하고, 상기 대화 서버로부터 상기 질의어에 대한 답변 문장을 수신하는 통신부
를 더 포함하는, 의도 예측 서버.
The method of claim 11,
After the query is output through the user terminal, if an additional query is not input to the user terminal for a predetermined time, the communication unit transmits the query to the chat server and receives an answer sentence for the query from the chat server
Further comprising, the intention prediction server.
제 1 항에 있어서,
상기 사용자의 이전 질의 문장, 의미 태그, 상기 사용자 단말의 상황 정보, 상기 사용자 단말의 대화 이력 및 상기 예측된 사용자 의도 중 적어도 하나에 기초하여 사용자 의도 추론 모델을 학습하는 학습부
를 더 포함하는, 의도 예측 서버.
According to claim 1,
A learning unit for learning a user inference inference model based on at least one of the user's previous query sentence, semantic tag, context information of the user terminal, conversation history of the user terminal, and the predicted user intention.
Further comprising, the intention prediction server.
서버에서 사용자 의도를 예측하는 방법에 있어서,
사용자 단말로부터 질의어를 수신하는 단계;
상기 질의어에 해당하는 키워드 및 의미 태그 중 적어도 하나를 인식하는 단계;
상기 인식된 키워드 및 상기 인식된 의미 태그 중 적어도 하나를 분석하여 상기 질의어와 관련된 사용자 의도를 예측하는 단계; 및
상기 예측된 사용자 의도에 기초하여 상기 질의어에 대한 질의 문장을 완성하는 단계
를 포함하는, 의도 예측 방법.
In the server, how to predict user intent,
Receiving a query from the user terminal;
Recognizing at least one of keywords and semantic tags corresponding to the query;
Predicting a user intention related to the query by analyzing at least one of the recognized keyword and the recognized semantic tag; And
Completing a query sentence for the query based on the predicted user intention
Including, intention prediction method.
제 14 항에 있어서,
상기 사용자 의도를 예측하는 단계는,
상기 사용자 단말의 동작 상태 또는 상기 사용자 단말과 연결된 주변 단말의 동작 상태를 더 분석하여 상기 사용자 의도를 예측하는 단계를 포함하는 것인, 의도 예측 방법.
The method of claim 14,
The step of predicting the user intention,
And predicting the user intention by further analyzing an operating state of the user terminal or an operating state of a peripheral terminal connected to the user terminal.
제 15 항에 있어서,
상기 사용자 의도를 예측하는 단계는,
상기 사용자 단말의 사용 이력 및 상기 사용자 단말의 대화 이력 중 적어도 하나를 더 분석하여 상기 사용자 의도를 예측하는 단계를 포함하는 것인, 의도 예측 방법.
The method of claim 15,
The step of predicting the user intention,
And predicting the user intention by further analyzing at least one of a usage history of the user terminal and a conversation history of the user terminal.
제 16 항에 있어서,
상기 사용자 의도를 예측하는 단계는, 상기 의미 태그가 인식되지 않은 경우 상기 키워드가 인식된 시점에 해당하는 시간 대에 상기 사용자 단말을 통해 기설정된 빈도수 이상 제공되었던 서비스 제공 형태를 상기 사용자 의도로 예측하는 단계를 포함하는 것인, 의도 예측 방법.
The method of claim 16,
In the predicting of the user intention, when the semantic tag is not recognized, predicting the service provision form that was provided over a preset frequency through the user terminal at the time corresponding to the time when the keyword was recognized as the user intention A method of predicting intention, comprising a step.
제 17 항에 있어서,
상기 질의 문장을 완성하는 단계는,
상기 인식된 키워드로부터 문장 유사도가 기설정된 임계값을 초과하는 제 1 어휘를 도출하고, 상기 예측된 사용자 의도를 표현하는 제 2 어휘를 도출하는 단계; 및
상기 도출된 제 1 어휘 및 상기 도출된 제 2 어휘를 결합하여 상기 질의어에 대한 질의 문장을 완성하는 단계를 포함하는 것인, 의도 예측 방법.
The method of claim 17,
Completing the query sentence,
Deriving a first vocabulary whose sentence similarity exceeds a preset threshold from the recognized keyword, and deriving a second vocabulary expressing the predicted user intention; And
And completing a query sentence for the query by combining the derived first vocabulary and the derived second vocabulary.
제 14 항에 있어서,
상기 사용자 의도를 예측하는 단계는 상기 의미 태그가 인식되지 않은 경우 상기 인식된 키워드에 해당하는 상기 사용자 단말의 상황 정보를 더 분석하여 상기 사용자 의도를 예측하는 단계를 포함하는 것인, 의도 예측 방법.
The method of claim 14,
The predicting the user intention includes predicting the user intention by further analyzing context information of the user terminal corresponding to the recognized keyword when the semantic tag is not recognized.
의도 예측 서버에서 사용자의 의도를 예측하는 명령어들의 시퀀스를 포함하는 컴퓨터 판독가능 매체에 저장된 컴퓨터 프로그램에 있어서,
상기 컴퓨터 프로그램은 컴퓨팅 장치에 의해 실행될 경우,
사용자 단말로부터 질의어를 수신하고,
상기 질의어에 해당하는 키워드 및 의미 태그 중 적어도 하나를 인식하고,
상기 인식된 키워드 및 상기 인식된 의미 태그 중 적어도 하나를 분석하여 상기 질의어와 관련된 사용자 의도를 예측하고,
상기 예측된 사용자 의도에 기초하여 상기 질의어에 대한 질의 문장을 완성하도록 하는 명령어들의 시퀀스를 포함하는, 매체에 저장된 컴퓨터 프로그램.A computer program stored in a computer readable medium comprising a sequence of instructions for predicting a user's intention at an intent prediction server,
When the computer program is executed by a computing device,
Receiving a query from the user terminal,
Recognize at least one of keywords and semantic tags corresponding to the query,
Predict a user intention related to the query by analyzing at least one of the recognized keyword and the recognized semantic tag,
And a sequence of instructions to complete a query sentence for the query term based on the predicted user intention.
KR1020190001386A 2019-01-04 2019-01-04 Server, method and computer program for predicting intention of user KR20200092455A (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020190001386A KR20200092455A (en) 2019-01-04 2019-01-04 Server, method and computer program for predicting intention of user

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020190001386A KR20200092455A (en) 2019-01-04 2019-01-04 Server, method and computer program for predicting intention of user

Publications (1)

Publication Number Publication Date
KR20200092455A true KR20200092455A (en) 2020-08-04

Family

ID=72048813

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020190001386A KR20200092455A (en) 2019-01-04 2019-01-04 Server, method and computer program for predicting intention of user

Country Status (1)

Country Link
KR (1) KR20200092455A (en)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112256824A (en) * 2020-09-17 2021-01-22 国网安徽省电力有限公司 Service guiding method, system and storage unit for robot service
CN115438995A (en) * 2022-09-21 2022-12-06 青岛酷特智能股份有限公司 Service processing method and equipment for garment customization enterprise based on knowledge graph
CN116050427A (en) * 2022-12-30 2023-05-02 北京百度网讯科技有限公司 Information generation method, training device, electronic equipment and storage medium

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112256824A (en) * 2020-09-17 2021-01-22 国网安徽省电力有限公司 Service guiding method, system and storage unit for robot service
CN112256824B (en) * 2020-09-17 2023-10-20 国网安徽省电力有限公司 Service guiding method, system and storage medium for robot service
CN115438995A (en) * 2022-09-21 2022-12-06 青岛酷特智能股份有限公司 Service processing method and equipment for garment customization enterprise based on knowledge graph
CN115438995B (en) * 2022-09-21 2023-10-10 青岛酷特智能股份有限公司 Business processing method and equipment for clothing customization enterprise based on knowledge graph
CN116050427A (en) * 2022-12-30 2023-05-02 北京百度网讯科技有限公司 Information generation method, training device, electronic equipment and storage medium
CN116050427B (en) * 2022-12-30 2023-10-27 北京百度网讯科技有限公司 Information generation method, training device, electronic equipment and storage medium

Similar Documents

Publication Publication Date Title
US20220036882A1 (en) Electronic apparatus, system and method for using speech recognition service
US10482184B2 (en) Context-based natural language processing
US11551684B1 (en) State detection and responses for electronic devices
EP3513324B1 (en) Computerized natural language query intent dispatching
KR100679043B1 (en) Voice chat interface device and method
US9886952B2 (en) Interactive system, display apparatus, and controlling method thereof
US12080291B2 (en) Speech processing for multiple inputs
US11687526B1 (en) Identifying user content
US11574637B1 (en) Spoken language understanding models
US11990122B2 (en) User-system dialog expansion
US11605376B1 (en) Processing orchestration for systems including machine-learned components
US11355115B2 (en) Question answering for a voice user interface
US11532301B1 (en) Natural language processing
KR20200092455A (en) Server, method and computer program for predicting intention of user
US11830502B2 (en) Electronic device and method for controlling the same
US20210210088A1 (en) Speech interaction method and apparatus, device and storage medium
US11626107B1 (en) Natural language processing
KR20210066651A (en) Electronic device and Method for controlling the electronic device thereof
US11908463B1 (en) Multi-session context
CN109887490A (en) The method and apparatus of voice for identification
US11907676B1 (en) Processing orchestration for systems including distributed components
KR102485339B1 (en) Apparatus and method for processing voice command of vehicle
US11410659B1 (en) Dynamic skill endpoint
CN114822598A (en) Server and speech emotion recognition method
CN114596842A (en) Voice interaction method and device, computer equipment and storage medium

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal